Wiki sobre Inteligencia Artificial

Versión infantil

Agente de IA

Revisada el 2026-10-09

Un agente de IA es un sistema en el que un modelo de lenguaje dirige sus propios pasos y elige qué herramientas usar, en bucle, hasta cumplir una tarea.1

Lo que lo separa de un asistente de chat es que actúa: pide una herramienta, lee el resultado y decide el siguiente paso. Anthropic distingue entre workflows, donde el camino lo fija el código, y agentes, donde lo decide el modelo, y aconseja empezar siempre por lo más simple.1 El modelo es el motor; el software que lo rodea y le da herramientas, memoria y permisos es el arnés.

Workflows frente a agentes

Anthropic llama «sistemas agénticos» a los dos, pero los distingue así:1

WorkflowAgente
Quién decide el caminoEl código, con pasos predefinidosEl modelo, sobre la marcha
Cuándo convieneTareas bien definidas que piden previsibilidadProblemas abiertos, con pasos que no se pueden prever
CosteMás previsibleMás latencia y coste; los errores se pueden encadenar
  • La pieza básica de ambos es el «LLM aumentado»: un modelo con búsqueda, herramientas y memoria que decide él mismo cuándo usarlas.1
  • OpenAI coincide: un agente completa tareas en tu nombre con autonomía. Una aplicación que usa un LLM sin que este controle el flujo (un chatbot simple, un clasificador) no es un agente.2
  • Para OpenAI, un agente tiene tres componentes: modelo, herramientas e instrucciones.2

Cinco patrones de workflow

Según Anthropic, muchos casos se resuelven combinando estos patrones, sin llegar a un agente autónomo:1

  • Encadenar prompts (prompt chaining): la salida de una llamada es la entrada de la siguiente, con comprobaciones entre medias.
  • Enrutar (routing): se clasifica la entrada y se manda a un tratamiento especializado; por ejemplo, las consultas fáciles a un modelo pequeño.
  • Paralelizar: se divide la tarea en partes independientes (sectioning) o se repite varias veces y se vota (voting).
  • Orquestador y trabajadores: un modelo reparte subtareas que no se conocen de antemano y une los resultados. Es el patrón típico de los cambios en varios archivos de código.
  • Evaluador y optimizador: un modelo genera y otro critica, en bucle, cuando hay criterios claros de calidad.

Cómo funciona

  • Empieza con una orden o una conversación; cuando la tarea está clara, planifica y actúa solo.1
  • En cada paso se contrasta con el entorno (el resultado de una herramienta, un test que pasa o falla) y puede parar a pedir ayuda en puntos de control o si se bloquea.1
  • El mecanismo es el uso de herramientas (tool use o function calling). Cada herramienta se describe con nombre, descripción y esquema de entrada; el modelo responde con una petición estructurada que ejecuta la aplicación o, en herramientas como la búsqueda web, el propio servidor de Anthropic.3
  • El modelo nunca ejecuta nada por su cuenta: emite la petición, otro la ejecuta y el resultado vuelve a la conversación.4
  • En la API de Claude, el bucle es literal: mientras la respuesta acabe con stop_reason: "tool_use", se ejecutan las herramientas, se devuelven como tool_result y se vuelve a llamar al modelo. Cualquier otro motivo de parada lo cierra.4
  • Conviene fijar condiciones de parada, como un máximo de iteraciones, para no perder el control.1

Por qué importa

  • Más autonomía cuesta más. Anthropic recomienda la solución más simple y añadir complejidad solo si mejora el resultado; a menudo basta una llamada bien preparada, con recuperación de información y ejemplos.1
  • Los errores se acumulan; por eso Anthropic pide pruebas extensas en entornos aislados (sandbox) y barreras adecuadas.1 Un agente que lee contenido externo es, además, vulnerable a la inyección de prompts.
  • Tres principios de diseño: simplicidad, transparencia (mostrar los pasos que planea) y cuidar la interfaz con las herramientas tanto como una pantalla para personas, con buena documentación y pruebas.1
  • Los frameworks ayudan a empezar, pero esconden prompts y respuestas y complican depurar. Anthropic aconseja empezar llamando a la API directamente.1
  • Claude Code es un agente aplicado a programar: lee el código, edita archivos y ejecuta comandos.5 Cómo está construido por dentro se cuenta en arnés de IA; cómo se conecta a servicios externos, en MCP.

Cómo lo uso

  • Claude Code es el agente con el que trabajo a diario; esta wiki se mantiene así, según su CLAUDE.md.
  • Mi CLAUDE.md global pide delegar las búsquedas amplias en un subagente para que el hilo principal reciba solo el resumen. Es el patrón de orquestador y trabajadores.
  • Conservo 17 subagentes especializados en ~/.claude/agents/, tras la limpieza que recoge mi inventario de IA (2026-09-19).
  • A mi entender, la regla de empezar por lo simple vale también en el uso diario: antes de montar un agente, probar con un prompt fijo o una skill.

Véase también

Referencias

Footnotes

  1. Building effective agents. Erik S. y Barry Zhang, Anthropic, 2024-12-19. Consultado el 2026-10-09. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12

  2. A practical guide to building agents. OpenAI, guía en PDF. Consultado el 2026-10-09. ↩ ↩2

  3. Tool use with Claude. Anthropic, documentación de la API. Consultado el 2026-10-09. ↩

  4. How tool use works. Anthropic, documentación de la API. Consultado el 2026-10-09. ↩ ↩2

  5. Overview. Anthropic, documentación de Claude Code. Consultado el 2026-10-09. ↩

Graph View

Backlinks